Propriétés du tCacheOut pour Apache Spark Streaming
Ces propriétés sont utilisées pour configurer le tCacheOut s'exécutant dans le framework de Jobs Spark Streaming.
Le composant tCacheOut Spark Streaming appartient à la famille Processus en cours.
Ce composant est disponible dans Talend Real Time Big Data Platform et dans Talend Data Fabric.
Basic settings
Schema et Edit schema |
Un schéma est une description de lignes. Il définit le nombre de champs (colonnes) à traiter et à passer au composant suivant. Lorsque vous créez un Job Spark, évitez le mot réservé line lors du nommage des champs. Créez le schéma en cliquant sur le bouton Edit Schema. Si le schéma est en mode Repository, trois options sont disponibles :
|
|
Built-in : le schéma est créé et conservé localement pour ce composant seulement. |
|
Repository : le schéma existe déjà et est stocké dans le Repository. Ainsi, il peut être réutilisé dans des Jobs et projets. |
Niveau de stockage |
Dans la liste déroulante Storage level affichée, sélectionnez comment stocker les RDD en cache, dans la mémoire uniquement, ou dans la mémoire et sur le disque. Pour plus d'informations concernant chaque niveau de stockage, consultez https://spark.apache.org/docs/latest/programming-guide.html#rdd-persistence (uniquement en anglais) (en anglais). |
Utilisation
Règle d'utilisation |
Ce composant est utilisé en tant que composant de fin et requiert un lien d'entrée. Ce composant rend des jeux de données persistants et est étroitement lié au tCacheIn. De manière itérative, le tCacheOut stocke des données d'entrée en cache, afin que le tCacheIn lise le cache sans avoir à calculer à nouveau le modèle Spark DAG (Directed Acyclic Graph, le modèle utilisé par Spark pour ordonnancer les actions Spark). À un moment donné, le tCacheOut stocke un seul micro-batch en mémoire. Ce composant, ainsi que la Palette Spark Batch à laquelle il appartient, ne s'affiche que lorsque vous créez un Job Spark Batch. Notez que, dans cette documentation, sauf mention contraire, un scénario présente uniquement des Jobs Standard, c'est-à-dire des Jobs Talend traditionnels d'intégration de données. |
Connexion à Spark |
Dans l'onglet Spark Configuration de la vue Run, définissez la connexion à un cluster Spark donné pour le Job complet. De plus, puisque le Job attend ses fichiers .jar dépendants pour l'exécution, vous devez spécifier le répertoire du système de fichiers dans lequel ces fichiers .jar sont transférés afin que Spark puisse accéder à ces fichiers :
Cette connexion fonctionne uniquement pour le Job dans lequel vous l'avez définie. |